开源中文网

您的位置: 首页 > PostgreSQL > 正文

PostgreSQL 查询成本模型

来源: 数据分析与开发公众号  作者: 佚名

摘要:PostgreSQL是一个自由的对象-关系数据库服务器(数据库管理系统),被业界誉为“最先进的开源数据库”,本文作者以代码实例说明了如何计算和评估PostgreSQL查询成本,以下是译文。

 

数据库查询速度如果太慢会从很多方面损害机构,比如可能会损害一些优秀应用程序的声誉,因为数据库查询速度过慢,造成后台处理速度慢得令人痛苦,并大幅增加基础设施的成本。作为一名经验丰富的Web开发人员,了解数据层的优化策略是绝对必要的。

 

在本文中,我们将探讨PostgreSQL的成本模型,如何了解explain命令(关于explain命令可参见这篇文章)的输出,最重要的是如何利用这些模型数据来提高应用程序的吞吐量。

 

使用PostgreSQL Explain 命令

 

在应用程序中部署一个新的查询语句之前,最好通过PostgreSQL中的 explain中的命令来运行它,以评估新查询对应用系统性能的影响。

以一个示例数据库表开始,来说明explain命令的用法。这个表存有一百万条数据记录。

 

db # CREATE TABLE users (id serial, name varchar);

 

db # INSERT INTO users (name) SELECT 'John'

FROM generate_series(1, 1000000);

 

db # SELECT count(*) FROM users;

      count

 

1000000

(1 row)

 

db # SELECT id, name FROM users LIMIT 10;

id | name

----+------

  1 | John

  2 | John

  3 | John

  4 | John

  5 | John

  6 | John

  7 | John

  8 | John

  9 | John

10 | John

(10 rows)

 

假设需要用一个给定的id来查找一个用户名,但是在部署新的查询代码之前,要评估这个查询操作的成本。运行一个explain语句来做相关查询:

 

 

db # EXPLAIN SELECT * FROM users WHERE id = 870123;

 

        QUERY PLAN                  

--------------------------------------------------

Gather  (cost=1000.00..11614.43 rows=1 width=9)

   Workers Planned2

           ->  Parallel Seq Scan on users  (cost=0.00..10614.33 rows=1 width=9)

     Filter(id = 870123)

 

(4 rows)

 

在上面的例子中有很多的输出,但是可以得到它的要点。为了运行这个查询,PostgreSQL计划启动两个并行的工作进程(workers)。每个工作进程将在表上进行顺序扫描,最后,收集器合并来自两个工作进程的结果。

 

在本文中,重点介绍上面输出的cost以及PostgreSQL如何计算它。

 

为了简化成本探索,运行上面的查询,但限制可并行的工作进程数量为0。

 

db # SET max_parallel_workers_per_gather = 0;

 

db # EXPLAIN SELECT * FROM users WHERE id = 870123;

 

                   QUERY PLAN

--------------------------------------------------

Seq Scan on users  (cost=0.00..17906.00 rows=1 width=9)

   Filter(id = 870123)

 

(2 rows)

 

这有点简单。在只有单CPU内核的情况下,评估成本是17906。

 

成本值背后的数学

 

在PostgreSQL中,成本或惩罚点大多是一个抽象的概念。PostgreSQL可以执行查询的方式很多,而PostgreSQL总是选择最低成本值的执行规划。

 

计算成本,PostgreSQL首先查看表的字节数大小。接下来看看用户表的大小。

 

db # select pg_relation_size('users');

 

pg_relation_size

--------------------------

     44285952

(1 row)

 

PostgreSQL会为每个要依次读取的块添加成本点。如果知道每个块都包含了8kb,那么就可以计算从表中读取的顺序块的成本值。

 

block_size = 8192 # block size in bytes

relation_size = 44285952

 

blocks = relation_size / block_size # => 5406

 

现在,已经知道块的数量,找出PostgreSQL为每个块读取分配多少个成本点。

 

db # SHOW seq_page_cost;

seq_page_cost

----------

1

(1 row)

 

换句话说,PostgreSQL为每个块分配一个成本点。这就需要 5406个成本点从表中读取数据。

 

从磁盘读取值并不是PostgreSQL需要做的。它必须将这些值发送给CPU并应用一个WHERE子句过滤。对于这个计算来说,如下的两个值非常有趣。

 

db # SHOW cpu_tuple_cost;

 

cpu_tuple_cost

--------------------

  0.01

db # SHOW cpu_operator_cost;

cpu_operator_cost

----------------

  0.0025

 

现在,用所有的值来计算在explain 语句中得到的值。

 

number_of_records = 1000000

 

block_size    = 8192     # block size in bytes

relation_size = 44285952

 

blocks = relation_size / block_size # => 5406

 

seq_page_cost   = 1

cpu_tuple_cost  = 0.01

cpu_filter_cost = 0.0025;

 

cost = blocks * seq_page_cost +

   number_of_records * cpu_tuple_cost +

   number_of_records * cpu_filter_cost

 

cost # => 17546

 

索引和PostgreSQL成本模型

 

索引在数据库工程师的生活中很可能仍然是最重要的话题。添加索引是否可以降低SELECT语句的成本呢?通过下面的例子来找出答案。

 

首先,在users表中添加一个索引:

 

db # CREATE INDEX idx_users_id ON users (id);

 

观察一下新索引的查询规划。

 

db # EXPLAIN SELECT * FROM users WHERE id = 870123;

 

           QUERY PLAN

----------  ----------  ----------

     Index Scan using idx_users_id on users  (cost=0.42..8.44 rows=1 width=9)

   Index Cond(id = 870123)

(2 rows)

 

成本函数显著下降。索引扫描的计算比顺序扫描的计算要复杂一些。它由两个阶段组成。

 

PostgreSQL会考虑random_page_cost和cpu_index_tuple_cost 变量,并返回一个基于索引树的高度的值。

 

db # SHOW random_page_cost;

 

random_page_cost

----------------

  4

 

db # SHOW cpu_index_tuple_cost;

cpu_index_tuple_cost

----------

  0.005

 

对于实际的计算,请考虑阅读成本指数计算器的源代码。

 

工作进程的成本

 

PostgreSQL可以启动并行的工作进程(worker)来执行查询。但是,开启一个新的工作进程,性能会受到影响。

 

为了计算使用并行工作进程的成本,PostgreSQL使用 parallel_tuple_cost这个命令,它定义了从一个工作进程传送元组到另一个工作进程的成本,parallel_setup_cost命令意味着启动一个新的工作进程(worker)的成本,以下是查询示例。

 

db # SHOW parallel_tuple_cost;

 

parallel_tuple_cost

---------------------

  0.1

 

db # SHOW parallel_setup_cost;

 

parallel_setup_cost

---------------------

1000

Tags:模型 成本
相关文章列表:
关于开源中文网 - 联系我们 - 广告服务 - 网站地图 - 版权声明